Bid Agent: BT가 대형 고객 입찰 준비를 14인·주에서 3인·일로 줄인 방법

BT는 상품 구성이 복잡하고 업무 흐름이 잘 보이지 않던 B2B 입찰에 에이전트를 붙여 준비 공수를 14인·주에서 3인·일로 줄였습니다. 따라 하려면 입찰 한 건에 사람이 며칠을 쓰는지 먼저 재고 상품 목록과 과거 제안서를 에이전트가 찾아 쓸 수 있게 정리해야 합니다.

요약

영국 통신사 BT Group은 2026년 11월 5일 회계연도 상반기(4~9월) 실적을 발표했습니다. TelecomTV 정리에 따르면 Allison Kirkby CEO는 실적 콜에서 AI가 회사 전반의 문화·운영 전환의 일부로 들어가 있다며 세 곳을 예로 들었습니다. 콜센터에서는 상담원이 AI로 통화를 요약해 고객을 더 잘 파악하고 교차 판매와 상향 판매 단서를 얻습니다. 레거시 상품이 많고 업무 흐름이 처음부터 끝까지 잘 보이지 않던 B2B 부문에서는 복잡한 입찰을 처리하는 에이전트를 만들었습니다. 그리고 AI 에이전트를 새 판매 채널로 보고 가격과 서비스 품질 정보를 넣어 주겠다고 했습니다.

BT가 H1 실적 콜에서 밝힌 AI 적용처 세 곳

결과로 Kirkby는 입찰 에이전트가 입찰 준비 시간을 14인·주에서 3인·일로 줄였다고 밝히고 이 방식을 넓힐 여지가 크다고 했습니다. 같은 6개월 동안 직원과 하청을 합친 총 인력(TLR, Total Labour Resource)은 102,000명에서 90,000명으로 11% 줄었고 2030년 3월 목표는 65,000~70,000명으로 내려갔습니다. 목표가 낮아진 것은 주로 Verizon과 만드는 합작사로 넘어가는 BT International 인력 약 8,000명이 빠졌기 때문이고 감소분 일부가 AI 자동화와 연결됩니다. 다만 Kirkby는 AI가 아직 재무제표에서 직접적인 비용 절감으로 드러나지는 않았다고 말했습니다. 아래에서는 세 가지 적용처가 어떻게 작동하는지 풀고 입찰 에이전트를 실제로 만들 때 필요한 설계와 일정을 덧붙입니다.

BT 총 인력(TLR, 직원과 하청 포함). 2030년 목표는 Verizon 합작으로 넘어갈 약 8,000명을 뺀 값

핵심 메커니즘

Bid Agent: 복잡한 B2B 입찰을 맡는 에이전트

무엇인가. 기업 고객의 입찰 요구에 맞춰 제안서를 준비하는 일을 대신 진행하는 AI 에이전트입니다. BT는 이를 B2B 부문에 만들었습니다.

어떻게 작동하나. 원문은 내부 구조를 밝히지 않았습니다. 일반적인 입찰 업무에 비추면 입력은 고객의 입찰 요구서, 판매 가능한 상품과 서비스 목록, 과거 제안서입니다. 에이전트는 요구 항목을 나누고 항목마다 맞는 상품과 조건을 찾아 답변 초안을 씁니다. 가격과 예외 조건은 사람이 판단하고 최종본을 냅니다.

언제 쓰나. 상품 종류가 많고 오래된 상품이 섞여 있어 담당자가 여러 부서에 물어 가며 답을 모으는 입찰에서 효과가 큽니다. BT가 효과를 봤다고 말한 부문도 레거시 상품이 많고 업무 흐름이 잘 보이지 않던 곳입니다. 반대로 정형화된 소액 견적은 이미 규칙 기반 견적 도구로 충분한 경우가 많습니다.

원문의 예. 입찰 준비 시간이 14인·주에서 3인·일로 줄었습니다. 주 5일로 환산하면 70인·일이 3인·일이 된 셈이니 약 23분의 1입니다(환산은 AX Review 계산).

작은 예시(가상). 전국 지점 200곳의 네트워크와 보안 서비스를 묻는 공공기관 입찰이 들어오면 에이전트가 요구 항목 120개를 뽑고 항목마다 상품 코드와 과거 답변을 붙여 초안을 만듭니다. 영업 담당은 가격표와 단종 예정 상품만 확인합니다.

Bid Agent 작동 구조. 결과 수치만 원문, 단계 구성은 일반적인 입찰 업무로 재구성

Call Summarisation: 통화 요약을 판매 단서로 쓰기

무엇인가. 상담 통화 내용을 AI가 요약해 상담원에게 돌려주는 기능입니다. BT는 이 요약으로 고객을 더 잘 파악하고 교차 판매와 상향 판매 기회를 찾는다고 밝혔습니다.

어떻게 작동하나. 통화를 텍스트로 바꾸고 용건과 고객이 쓰는 상품, 불만이나 관심 신호를 요약합니다. 이 요약이 다음 상담이나 영업 제안의 근거가 됩니다.

언제 쓰나. 통화량이 많고 상담 기록을 사람이 손으로 남기던 곳에서 바로 쓸 수 있습니다. 판매 단서로 쓰려면 요약 형식이 고객 기록 시스템에 들어갈 수 있게 정해져 있어야 합니다.

원문의 예. 콜센터 직원이 통화 요약을 쓰고 그 결과로 교차·상향 판매에 쓸 고객 이해를 얻는다고 했습니다. 수치는 원문에서 밝히지 않았습니다.

Call Summarisation. 요약이 기록으로 끝나지 않고 다음 제안의 근거가 됨

Agents as a Channel: AI 에이전트를 새 판매 채널로 보기

무엇인가. 고객 대신 상품을 비교하고 고르는 AI 에이전트를 위협이 아니라 판매 채널로 대하는 관점입니다. Kirkby는 “The agents are this new channel.”이라고 표현했습니다.

어떻게 작동하나. BT는 모델과 에이전트에 자사 브랜드 전반의 가격, 서비스 품질, 결합 상품(유무선·방송 등을 묶는 convergence)의 이점을 알려 주겠다고 했습니다. 에이전트가 BT 브랜드를 사는 가치를 경쟁사와 비교해 이해한다는 것이 Kirkby의 설명입니다.

언제 쓰나. 고객이 AI 비서에게 “우리 집에 맞는 인터넷 요금제 찾아 줘”처럼 구매 판단을 맡기기 시작하는 소비자 시장에서 의미가 큽니다. 에이전트가 읽을 수 있는 정보가 없으면 비교 대상에서 빠지거나 가격만으로 비교됩니다.

Agents as a Channel. BT는 에이전트에 가격·서비스 품질·결합 혜택 정보를 넣겠다고 밝힘

Total Labour Resource: 직원과 하청을 한 숫자로 보는 인력 지표

무엇인가. BT가 쓰는 총 인력 지표로, 직접 고용한 직원과 하청 인력을 함께 셉니다.

어떻게 작동하나. 감원, 사업 분리, 하청 축소가 모두 이 숫자를 줄입니다. 원문에 따르면 BT는 2030년 3월 65,000명으로 끝나면 약 6년 동안 55,000개 일자리, 46% 가까이를 줄이게 됩니다. 원인은 감원, 사업 매각, 광케이블(FTTP, Fiber to the Premises) 구축이 끝난 뒤의 하청 축소이고 일부가 AI 자동화와 연결됩니다.

언제 쓰나. AI 효과를 인력으로 말할 때 직원 수만 보면 하청으로 옮겨 간 일을 놓칩니다. 직원과 외부 인력을 한 지표로 묶어야 실제 업무량 변화가 보입니다. 다만 사업 분리처럼 AI와 무관한 감소가 섞이므로 원인별로 나눠 봐야 합니다.

TLR 감소의 네 원인. 원문은 AI를 일부 원인으로만 연결

통념과 다른 주장

흔히 이렇게 봅니다AI 에이전트가 고객 대신 요금제를 비교하면 통신사는 가격 경쟁에 밀려 매출을 잃는다고 봅니다. 실적 콜에서도 애널리스트가 같은 걱정을 물었습니다.

Kirkby는 이렇게 봅니다BT 같은 통신사는 AI의 승자가 된다고 봅니다. 에이전트는 매출을 빼앗는 경쟁자가 아니라 새 판매 채널입니다.

근거BT는 에이전트에 가격만이 아니라 서비스 품질과 여러 브랜드의 결합 혜택 정보를 넣어, 에이전트가 BT를 고를 이유를 이해하게 하겠다고 했습니다.

애널리스트 질문과 Kirkby 답변의 대비

저자가 든 사례

B2B 입찰: 14인·주가 3인·일로

상황	한 일	결과	연결
B2B 부문에 레거시 상품이 많고 업무 흐름이 처음부터 끝까지 잘 보이지 않음	복잡한 입찰을 처리하는 에이전트를 만듦	입찰 준비 시간 14인·주에서 3인·일로 감소, 확대 여지가 크다고 언급	Bid Agent

입찰 한 건 준비 공수. 14인·주를 주 5일로 환산한 비교(환산은 AX Review 계산)

콜센터: 통화 요약으로 판매 단서 얻기

상황	한 일	결과	연결
원문에서 구체적인 문제는 밝히지 않음	상담원이 AI로 통화를 요약	고객 이해가 깊어져 교차·상향 판매 단서 확보, 수치는 원문에서 밝히지 않음	Call Summarisation

콜센터 사례. 요약 전 상태는 일반적 서술이고 수치는 원문에서 밝히지 않음

회사 전체: 현장 효과와 재무 숫자 사이의 시차

상황	한 일	결과	연결
애널리스트가 AI가 통신사 매출을 해칠지 질문	AI를 회사 전반의 문화·운영 전환으로 확산	총 인력 6개월에 11% 감소. 다만 AI가 직접 비용 절감으로 재무제표에 드러나지는 않았다고 Kirkby가 언급	Total Labour Resource

Kirkby: AI는 회사 전반에 들어갔지만 아직 비용 절감 숫자로 드러나지 않음

기술 디테일: 입찰 에이전트를 만든다면

아래는 원문에 없는 내용으로, BT 사례를 따라 할 때 필요한 설계를 새로 정리한 것입니다. 필드명과 숫자는 가상 예시입니다.

입찰 에이전트는 한 번의 긴 프롬프트가 아니라 다섯 단계로 나눕니다(Bid Agent). 요구서 분해, 상품 매칭, 답변 초안, 자동 점검, 사람 승인입니다. 단계마다 결과를 저장해 두면 어느 단계에서 틀렸는지 찾을 수 있습니다. 분해와 점검은 temperature 0~0.2로 고정하고 초안 작성만 0.3~0.5 정도로 둡니다. 같은 요구서를 3회 돌려 뽑힌 요구 항목 수가 10% 넘게 달라지면 분해 프롬프트를 다시 봅니다.

입찰 에이전트를 단계로 나눈 설계(가상 예시)

요구 항목은 아래처럼 구조화된 JSON으로 받습니다. source_ref에 요구서의 쪽과 조항 번호를 남겨야 사람이 원문과 대조할 수 있습니다.

{
  "req_id": "R-087",
  "source_ref": "RFP 4.2.3, p.31",
  "category": "network | security | service_level | commercial",
  "text_summary": "지점 200곳 이중화 회선, 장애 복구 4시간 이내",
  "mandatory": true,
  "matched_products": [{"sku": "NET-SDWAN-02", "status": "active"}],
  "answer_draft": "...",
  "evidence": ["past_bid_2025_031#sec5"],
  "flags": ["pricing_needed"]
}

상품 매칭은 검색 근거를 붙여야 씁니다(Bid Agent). 레거시 상품이 많은 조직일수록 이름이 비슷한 상품, 판매가 끝난 상품, 지역별로 다른 상품이 섞여 있습니다. 상품 카탈로그를 sku, status(active, end_of_sale, end_of_life), region, last_verified 필드로 정리해 검색 대상으로 두고 에이전트가 고른 상품마다 카탈로그 항목을 근거로 붙이게 합니다. 과거 제안서는 낙찰·탈락 여부와 작성 연도를 메타데이터로 달아 최근 낙찰 답변을 먼저 찾게 합니다.

자동 점검은 사람 검토 전에 기계가 할 수 있는 것을 거릅니다(Bid Agent). 필수 요구 항목 중 답이 빈 것, status가 active가 아닌 상품을 넣은 답, 근거(evidence)가 없는 답, 고객이 정한 분량을 넘는 답을 규칙으로 찾아 표시합니다. 가격, 계약 조건 예외, 서비스 수준 약속처럼 회사가 책임질 내용은 flags로 넘겨 사람이 정합니다.

막히는 경우	대응
단종 상품을 제안	카탈로그 `status` 필터를 검색 단계에 걸고 점검 단계에서 한 번 더 확인
요구 항목 누락	요구서 조항 번호 목록과 `source_ref`를 대조해 빠진 번호를 표시
과거 답변을 그대로 복사해 고객명이 틀림	초안에 다른 고객명·지명이 있는지 검사
가격을 에이전트가 임의로 기재	가격 필드는 비워 두고 사람만 입력

통화 요약은 자유 문장이 아니라 고정 필드로 받습니다(Call Summarisation). 요약을 판매 단서로 쓰려면 고객 기록 시스템(CRM)에 바로 들어가야 합니다. 예를 들어 reason(용건), products_held(보유 상품), signals(이사 예정, 속도 불만, 가족 회선 추가 문의 같은 신호), next_offer_hint(다음 제안 후보), confidence 필드를 두고 signals는 정해 둔 목록에서만 고르게 합니다. 상담원이 요약을 고친 비율을 주 단위로 보면 품질 저하를 일찍 알 수 있습니다.

통화 요약을 판매 단서로 쓰는 파이프라인(가상 예시)

에이전트 채널에는 기계가 읽는 상품 정보가 필요합니다(Agents as a Channel). 요금, 약정 조건, 지역별 속도, 장애 복구 시간 같은 품질 지표, 결합 할인 규칙을 하나의 상품 피드로 묶고 항목마다 valid_from, last_updated를 붙입니다. 이 피드를 웹페이지의 구조화 데이터, 공개 API, MCP(Model Context Protocol, 에이전트가 외부 도구와 데이터를 쓰는 표준 연결 방식) 서버 같은 경로로 내보냅니다. 에이전트가 오래된 가격을 읽지 않도록 갱신 주기를 정해 둡니다.

에이전트 채널용 상품 피드(가상 예시)

현업 실행 디테일: 누가, 언제, 무엇을

BT 사례를 우리 조직의 입찰 업무에 옮길 때의 실행안입니다. 원문에 없는 내용으로 새로 작성했고 역할 구성과 일정, 판정 기준은 가상 예시입니다.

역할	맡는 일
B2B 영업 본부장 (스폰서)	시범 입찰 범위 결정, 6주 뒤 확대 판정
입찰(제안) 팀장	기준 공수 측정, 과거 제안서 선별, 결과 검토
상품 관리 담당	상품 카탈로그 정리(판매 상태, 지역, 확인 일자)
가격·계약 담당	가격과 예외 조건 승인 규칙 정리
AI 개발자 1~2명	다섯 단계 파이프라인 구축, 점검 규칙 구현

시작 전 준비물. 최근 1~2년 입찰 요구서와 제출 제안서 30건 이상(낙찰·탈락 표시 포함), 판매 중인 상품과 판매 종료 상품 목록, 가격 승인 기준표, 입찰 한 건에 누가 며칠을 썼는지에 대한 기록이 필요합니다. 공수 기록이 없으면 1~2주차에 직접 잽니다. BT가 말한 14인·주 같은 기준값이 있어야 개선 폭을 말할 수 있습니다.

입찰 에이전트 6주 시범 일정(가상 예시)

기간	할 일	산출물
1~2주	진행 중이거나 최근 입찰 5~10건의 공수를 사람 단위로 기록, 상품 카탈로그 정리	기준 공수표, 정리된 카탈로그
3~4주	요구서 분해와 상품 매칭 프로토타입, 새 입찰 2~3건에 사람 작성과 병행	에이전트 초안, 사람 작성본
5~6주	두 결과를 항목별로 비교, 수정 시간 측정	비교표, 확대 여부 판단 자료

입찰 팀장이 확인할 질문.

입찰 한 건의 공수 중 요구 항목 정리, 상품 확인, 답변 작성, 가격 협의가 각각 얼마인가?
상품 확인을 위해 몇 개 부서에 묻는가? 답을 기다리는 시간은 얼마인가?
과거 제안서 중 다시 써도 되는 답변과 쓰면 안 되는 답변은 누가 고르는가?
고객에게 약속하면 안 되는 조건(복구 시간, 단종 예정 상품 등)은 무엇인가?

진행 판정 기준(예시). 에이전트 초안을 쓴 입찰의 준비 공수가 기준 대비 50% 이상 줄고 필수 요구 항목 누락이 0건이며 단종 상품 제안이 점검 단계에서 모두 걸러졌다면 다음 분기에 입찰 유형을 넓힙니다. 공수는 줄었지만 수정 시간이 초안 작성 시간보다 길면 상품 카탈로그 정리부터 다시 합니다.

AX 적용 제언. 이 사례에서 눈여겨볼 점은 효과가 난 곳이 상품이 복잡하고 흐름이 보이지 않는 B2B 입찰이라는 사실입니다. 통신, IT 서비스, 산업재처럼 레거시 상품과 맞춤 견적이 많은 회사라면 입찰·제안 업무를 첫 대상으로 삼을 만합니다. 효과가 공수로 바로 측정되고 상품 데이터를 정리하는 과정에서 숨어 있던 업무 흐름이 드러납니다. 순서는 공수 측정, 카탈로그 정리, 분해·매칭 자동화, 초안 자동화입니다. 콜센터 요약과 에이전트용 상품 피드는 같은 상품 카탈로그를 쓰므로, 입찰 에이전트용으로 정리한 데이터를 그대로 이어 쓰게 설계하면 두 번째·세 번째 적용이 빨라집니다. 경영진 보고에서는 Kirkby가 말한 것처럼 현장 공수 감소와 재무제표의 비용 절감 사이에 시차가 있다는 점을 처음부터 같이 설명해 두는 편이 좋습니다.

원문 사례

항목	내용
원문	TelecomTV, 2026.11.5 게재 통신 업계 소식 묶음 중 BT 부분
발표	BT Group 회계연도 상반기(2026년 4~9월) 실적과 실적 콜, Allison Kirkby CEO
AI 전반	회사 전반의 문화·운영 전환의 일부로 AI가 들어가 있음, 아직 재무제표상 직접 비용 절감으로는 드러나지 않음
콜센터	상담원이 AI 통화 요약 사용, 교차·상향 판매용 고객 이해 확보
B2B 입찰	레거시 상품이 많고 업무 흐름이 잘 보이지 않는 부문, 복잡한 입찰 에이전트로 14인·주에서 3인·일
에이전트 채널	에이전트를 새 판매 채널로 보고 브랜드 전반의 가격·서비스 품질·결합 혜택 정보를 공급할 계획
총 인력(TLR)	4~9월 102,000명에서 90,000명(11% 감소), 2030년 3월 목표 65,000~70,000명(6개월 전 목표 75,000~80,000명)
목표 변경 이유	Verizon 합작사로 넘어가는 BT International 약 8,000명 제외
장기 감소	65,000명이면 약 6년간 55,000개(46% 가까이) 감소, 감원·매각·FTTP 종료 후 하청 축소, 일부 AI 자동화
Verizon 합작	50 대 50, 2027년 하반기 출범 예정, 고객 약 3,000곳, 연 매출 약 40억 달러, 완료 시 BT가 6억 2,500만 달러 수령
실적(BT 발표)	매출 88억 파운드(1% 증가), 조정 EBITDA 41억 파운드(1% 증가)

핵심 개념

Cross-sell · Upsell: 교차 판매는 고객이 쓰는 상품과 다른 상품을 함께 파는 것, 상향 판매는 같은 상품의 더 높은 등급으로 바꾸게 하는 것입니다.
Man-week · Man-day: 한 사람이 일주일, 하루 동안 하는 일의 양입니다. 14인·주는 한 사람이 14주, 또는 일곱 사람이 2주 걸리는 양입니다.
Convergence: 유선 인터넷, 모바일, 방송 같은 서비스를 묶어 파는 것입니다. BT는 여러 브랜드에 걸친 결합 혜택을 에이전트에 알리겠다고 했습니다.
FTTP: Fiber to the Premises. 광케이블을 집과 사무실 안까지 끌어오는 방식으로, BT는 이 구축이 끝나면 하청 인력이 줄어든다고 봅니다.
BT International: BT의 국제 기업 고객 사업입니다. Verizon과 만드는 합작사로 옮겨 가며 이번 실적에서는 중단 사업으로 분류됐습니다.

내 메모

TODO: 내 생각 추가

원문은 TelecomTV의 「What’s up with… BT, Qualcomm, 6G」(2026.11.5)이고, 이 노트는 그중 BT 부분을 다룹니다. 매출과 조정 EBITDA는 같은 날 TelecomTV에 실린 BT 실적 발표문에서 가져왔습니다. 요약, 핵심 메커니즘의 원문 설명, 통념과 다른 주장, 사례, 원문 사례 표는 원문의 사실을 AX Review가 다시 정리했습니다. 14인·주를 70인·일로 바꾼 환산은 주 5일 기준의 AX Review 계산입니다. 입찰 에이전트의 단계 구성, JSON 예시, 점검 규칙, 통화 요약 필드, 상품 피드 설계, 역할·일정·판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했고 그 안의 필드명과 숫자는 가상 예시입니다. 전체 내용은 원문 페이지에서 볼 수 있습니다.